基于传递式领域自适应的异构样本增强方法

来源：计算机技术与发展杂志2024年第01期北京时间：

作者：翟利志;';任一夫;';白洁;高学攀;贾庆超;刘强

单位：1. 中国电子科技集团公司第五十四研究所,河北 石家庄 050081;2. 河北省智能化信息感知与处理重点实验室,河北 石家庄 050081;3. 陆装驻石家庄地区第一军代室,河北 石家庄 050081

摘要：小样本问题广泛存在于数据驱动建模。 领域自适应方法通过将源域中的样本知识迁移到目标域,从而实现目标域中的小样本增强,然而此类方法在实际应用中受限,原因在于难以应对领域分布差异较大的样本增强场景。 针对上述问题,该文提出基于传递式领域自适应的异构样本增强方法。 首先,提出传递式探索策略,通过私有特征和共享特征设计了面向异构域的领域分布探索策略,有效地缓解了负迁移,并为后续分布匹配提供支撑;然后,提出分布联合匹配机制,通过联合匹配异构领域的边缘分布和条件分布,并嵌入自适应机制,从而保证了异构域分布的匹配精度。 该方法在业界公认的田纳西-伊斯曼数据集进行验证,实验结果表明该方法在异构域中的建模表现优于其他方法。

关键词：域适应;样本增强;迁移学习;小样本;数据驱动建模